Saytap

大型语言模型（LLM）已经证明了执行高级规划的潜力。然而，对于法学硕士来说，理解低级命令（例如关节角度目标或电机扭矩）仍然是一个挑战。这项工作提出了一种方法，使用脚部接触模式作为接口，以自然语言桥接人类命令和输出这些低级命令的运动控制器。这产生了四足机器人的交互系统，允许用户灵活地制定不同的运动行为。我们贡献了 LLM 提示设计、奖励函数以及将控制器暴露给接触模式的可行分布的方法。结果是控制器能够实现多种运动模式，并可以转移到真实的机器人硬件上。与其他设计选择相比，所提出的方法在预测正确接触模式方面的成功率超过 50%，并且可以解决总共 30 项任务中的 10 项任务。

搜集汇总

背景与挑战

背景概述

Saytap数据集提出一种方法，利用脚部接触模式作为接口，通过自然语言连接人类指令与四足机器人的低级运动控制器，以实现多样化的运动行为。该方法在预测正确接触模式方面成功率超过50%，并能解决30项任务中的10项，支持将控制器转移到真实机器人硬件上。